Anionex/dsh-vision-toolkitDeepSeek 视觉工具箱支持图片问答、OCR与UI还原
DeepSeek 视觉工具箱支持图片问答、OCR与UI还原
为纯文本模型补齐视觉输入,适合 agent 截图/OCR/前端还原工作流。

数据源与状态仍在导航菜单中
DOMAIN OBSERVATORY
资料 50 条 · 常规内容近 60–90 天,综述/报告保留一年最近同步 1 小时前
本次综合总结:该领域暂无权威综述/报告收录,主要基于前沿内容归纳。多模态/视觉语言当前主线是从视觉语言理解、统一感知,向图像/视频生成、世界模型与实时交互推进,并出现全模态统一趋势。
DeepSeek 视觉工具箱支持图片问答、OCR与UI还原
为纯文本模型补齐视觉输入,适合 agent 截图/OCR/前端还原工作流。

本地文件多模态搜索工具DigUp基于EmbeddingGemma 2
提供跨平台端侧检索实践,可评估用于数据闭环与知识管理。

agent-vision-toolkit 为纯文本模型补齐看图与 GUI 自动化
可让 Codex/Claude Code 等 Agent 低成本获得多图理解、长截图 OCR 与 GUI 操作能力
